論文の概要: Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey
- arxiv url: http://arxiv.org/abs/2402.09066v2
- Date: Wed, 28 Aug 2024 09:01:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-29 21:09:20.825464
- Title: Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey
- Title（参考訳）: リモートセンシング画像における固形廃棄物検出・モニタリング・マッピング
- Authors: Piero Fraternali, Luca Morandini, Sergio Luis Herrera González,
- Abstract要約: 不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。
現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。
地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
- 参考スコア（独自算出の注目度）: 0.8499685241219366
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The detection and characterization of illegal solid waste disposal sites are essential for environmental protection, particularly for mitigating pollution and health hazards. Improperly managed landfills contaminate soil and groundwater via rainwater infiltration, posing threats to both animals and humans. Traditional landfill identification approaches, such as on-site inspections, are time-consuming and expensive. Remote sensing is a cost-effective solution for the identification and monitoring of solid waste disposal sites that enables broad coverage and repeated acquisitions over time. Earth Observation (EO) satellites, equipped with an array of sensors and imaging capabilities, have been providing high-resolution data for several decades. Researchers proposed specialized techniques that leverage remote sensing imagery to perform a range of tasks such as waste site detection, dumping site monitoring, and assessment of suitable locations for new landfills. This review aims to provide a detailed illustration of the most relevant proposals for the detection and monitoring of solid waste sites by describing and comparing the approaches, the implemented techniques, and the employed data. Furthermore, since the data sources are of the utmost importance for developing an effective solid waste detection model, a comprehensive overview of the satellites and publicly available data sets is presented. Finally, this paper identifies the open issues in the state-of-the-art and discusses the relevant research directions for reducing the costs and improving the effectiveness of novel solid waste detection methods.
- Abstract（参考訳）: 不法廃棄物処理場の検出と評価は, 環境保護, 特に汚染や健康被害の軽減に不可欠である。
不適切に管理された埋立地は、雨水浸透によって土壌と地下水を汚染し、動物と人間の両方に脅威を与える。
現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。
リモートセンシングは廃棄物処理現場の特定とモニタリングに費用対効果があり, 広範囲のカバレッジと繰り返しの取得を可能にする。
地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
研究者らは、リモートセンシング画像を利用して廃棄物検出、投棄現場の監視、新しい埋立地に適した場所の評価など、様々なタスクを実行する技術を提案した。
本総説は, 廃棄物埋立処分場の検出・モニタリングに関する最も関連性の高い提案について, アプローチ, 実装技術, 使用済みデータについて記述し, 比較し, 検討することを目的としている。
さらに, 有効固形廃棄物検出モデルの開発において, データソースが最重要であり, 衛星の概要と公開データセットについて概観する。
最後に, 現状の課題を明らかにするとともに, コスト削減と新規固形廃棄物検出方法の有効性向上に向けた研究の方向性について考察する。
関連論文リスト
- Enhancing Environmental Monitoring through Multispectral Imaging: The WasteMS Dataset for Semantic Segmentation of Lakeside Waste [1.4604369887945985]
本研究では,湖岸廃棄物のセマンティックセグメンテーションのために確立された最初のマルチスペクトルデータセットであるDesteMSを紹介する。
画像中の無駄をラベル付けするための厳密なアノテーションプロセスを実装した。
湖岸芝生における廃棄物処理における廃棄物処理の課題について考察した。
論文 参考訳（メタデータ） (2024-07-24T06:15:28Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳（メタデータ） (2023-08-21T19:36:50Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Implementing Edge Based Object Detection For Microplastic Debris [0.0]
プラスチックは、我々の日々の活動に欠かせない存在として自制している。
プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。
このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
論文 参考訳（メタデータ） (2023-07-30T17:55:03Z) - LiDAR-guided object search and detection in Subterranean Environments [12.265807098187297]
この研究は、視覚と深度センサーの相補的な性質を利用して、より長距離での物体検出を支援するマルチモーダル情報を活用する。
提案された研究は、DARPA Subterranean Challengeのファイナルで収集されたデータセットに基づいて、地下の環境でANYmalの四足歩行ロボットを用いて徹底的に検証されている。
論文 参考訳（メタデータ） (2022-10-26T19:38:19Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - IS-COUNT: Large-scale Object Counting from Satellite Images with
Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。
提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文 参考訳（メタデータ） (2021-12-16T18:59:29Z) - Mapping illegal waste dumping sites with neural-network classification
of satellite imagery [0.0]
近年では、不法廃棄物投棄施設の社会的・環境的影響が深刻化しており、グローバル・サウスの都市が直面している最も深刻な問題の一つとなっている。
このケーススタディは、Dymaxion LabsとFundaci'on Bunge y Bornが共同でこの技術を活用して、この地域の不法廃棄物処理現場の潜在的な場所を網羅した地図を作成するための成果である。
論文 参考訳（メタデータ） (2021-10-16T16:05:42Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。